高斯白噪声

一.什么是高斯白噪声呢?

      定义:首先是随机变量,概率分布为高斯分布,所谓“白”即指指/它的二阶矩不相关,一阶矩为常数,是指先后信号在时间上的相关性所以它的特性是在所有频率分量上具有恒定值,故功率谱密度是一个常数,通常记作N_{0}(单边功率谱)。

      理想的白噪声具有无限带宽,因而其能量是无限大,这在现实世界是不可能存在的。实际上,只要一个噪声过程所具有的频谱宽度远远大于它所作用系统的带宽,并且在该带宽中其频谱密度基本上可以作为常数来考虑,就可以把它作为白噪声来处理。

 二.功率谱密度与方差的关系

       在连续时间系统中,设噪声单边功率谱密度为N_{0},低通带宽为W,则其噪声平均功率为:

                                                                       P_{n}=\frac{N_{0}}{2}*W

  我们知道,高斯白噪声的分布为X~N(0,\sigma^{2}),则其平均功率为:

                                                    P_{n}=E(x^{2})=D(x)+E^{2}(x) =D(x)+0=\sigma ^{2}

  由此可得,\frac{N_{0}}{2}*W=\sigma ^{2}

       在离散时间系统中,对于序列的能量E定义为序列各抽样值的平方和,则数据样本的能量为:

                                                   Es=\sum_{1}^{fs}\left | x_{n} \right |^{2}=fs*E[x^{2}(n)]=fs*\sigma ^{2}

实际当中,抽样点是一个时间段,认为 Ts=1/fs 时间内的幅值就等于此抽样时刻的幅值,则单位抽样时间内的噪声能量为:

                                                                     Et=Es*Ts=\sigma ^{2}    (J/S秒)

则噪声功率(单位:J/symbol)为:      P=\sigma ^{2},此时,噪声的能量等于功率。实际上,抽样之后功率谱密度仍然可近似为常数,其单边带宽为fs/2(根据奈奎斯特抽样定理)。设此时的单边功率谱密度为N0,故其平均功率为:

                                                                    Pn=N_{0}*\frac{fs}{2}=\sigma ^{2}*fs

综上所述,N_{0}/2=\sigma ^{2},其中N_{0}为单边功率谱密度。

 

 

 

 

 

 

 

猜你喜欢

转载自blog.csdn.net/zhangxue2017/article/details/82991991